AWESOMME : Application WEb pour la génération de maSse de dOnnées expertisées en iMageriE MEdicale

La nécessité croissante d'utiliser de grandes masses de données afin de permettre le développement de modèles suffisamment complexes, robustes et généralisables - notamment dans le cadre de l'apprentissage statistique et l'apprentissage profond - s'accompagne d'un renforcement accru autour de la réglementation et la protection des données personnelles, en particulier dans le domaine de l'imagerie médicale.

Une vaste gamme d'outils et de fonctionnalités dans le cadre de l'exploitation de données médicales est accessible, avec la nécessité pour la majorité d'entre eux de s'installer localement et d'être inaccessibles à distance [REF 1]. De plus, la traçabilité des traitements de données n'est généralement pas intégrée dans ces outils.

L'objectif de la plateforme AWESOMME est de permettre, dans le cadre de la médecine de précision, la génération et l'exploitation d'importantes masses de données « expertisées », à partir d'images et données médicales associées. Le but est de favoriser le développement de modèles prédictifs, robustes et généralisables en offrant un environnement fiable et redondant d'annotations et de déploiements contrôlés de modules de traitement. Cette plateforme, à visée clinique, est déployée et opérationnelle au sein du centre cancérologique, Léon Bérard, de Lyon (CLB). Afin de rapidement passer d'une phase « preuve de concept » à un outil en production, les premiers efforts se sont concentrés sur une cohorte de patients atteints d'ostéosarcomes sous traitement néo-adjuvant par radiothérapie comme source productrice de données expertisées. Cette cohorte multicentrique (Nantes, Cochin Paris, CLB) est collectée par le CLB incluant des images IRM d'ostéosarcomes associées à des données histologiques (renseignant sur la réponse au traitement).

Nous proposons un ensemble de services (visualiseur web, entrepôts de données, accès aux PACS – système d'imagerie clinique-, ...) s'articulant autour de la suite logicielle web OHIF. La première amélioration concerne la mise en place d'une connexion identifiée et unique aux différents services d'AWESOMME afin de permettre un contrôle et une traçabilité sur la visualisation et l'usage des données. L'identification se fait via un échange de token fourni par l'entrepôt de données de type Girder, qui sauvegarde les données complémentaires. L'hébergement des données de segmentation se fait sur un système Orthanc qui gère et communique avec OHIF de manière similaire au PACS.

Le visualiseur web OHIF a ensuite été enrichi par plusieurs modules afin d'offrir une expérience utilisateur la plus structurante et robuste possible au clinicien lors de sa vacation hospitalière.

Le premier module complète le plugin de segmentation intrinsèque à OHIF en intégrant des modèles de segmentation automatique grâce à la conteneurisation Docker (notamment, un modèle de segmentation automatique des osteosarcomes issu d'une collaboration entre Creatis, le CLB et Capgemini Engineering). Le second module implémenté est l'extraction automatique des caractéristiques radiomiques et leurs sauvegardes après l'étape d'annotation. Cette extraction se base sur la bibliothèque PyRadiomics qui répond à l'initiative internationale de standardisation des biomarqueur d'image (IBSI). D'autre part, la génération des données radiomiques est également compatible avec l'initiative nationale OSIRIS pour la partage de données cliniques biologique et multi-omiques, pilotée par l'INCa. Le dernier et troisième module d'exploitation met à disposition, de la même manière que le module de segmentation, des modèles pré-entrainés de diagnostic automatique. Le fonctionnement de ces modules est assuré grâce à une communication avec l'entrepôt Girder, facilitant la sauvegarde et la mise à disposition de données post-analyses.

La plateforme AWESOMME se pose comme une solution complète d'analyse et d'exploitation au niveau du même point d'entrée (segmentation, extraction de caractéristiques – radiomiques, et modèles de prédiction pré-entrainés).

La possibilité d'avoir un service sécurisé d'annotations de données experts qui sert de lien entre la clinique et la recherche ouvre des perspectives au-delà du périmètre identifié initiale, l'analyse radiomique. Il est notamment prévu d'étendre cette plateforme à un usage d'enseignement pour des étudiants en médecine ou de futurs experts médicaux.